背景建模(四)——以紋理為特徵的方法

前面兩篇博文介紹了以像素值為特徵的背景建模方法：以像素值為特徵的方法(2)和以像素值為特徵的方法(1)

下面介紹一下以紋理為特徵的方法，比較出名的就是用LBP和SILTP為特徵做的。以LBP為特徵的文章：A texture-based method for modeling the background and detecting moving objects這篇文章發表在06年TPAMI上面，還是奧魯大學那幫人做的，他們已經把LBP用到極致了，LBP在電腦視覺的各個領域都得到了應用。首先進行LBP的計算：

公式為：

特徵表示完之後就是建立背景模型，為K個。模型的更新公式為：

而比較兩個長條圖的相似程度則用長條圖交集(histogram intersaction).文章實驗做得比較充分，但是比較實驗很少只跟混合高斯模型(GMM)進行比較了.
另一篇比較好的以紋理為特徵的背景建模的方法是CVPR2010的文章，題目：Modeling Pixel Process with Scale Invariant Local Patterns for Background Subtraction in Complex Scenes本文提出了一種新的紋理表示方法，scale invariant local ternary pattern（SILTP）其次就是在背景建模更新的時候提出一種模式核密度估計的方法(pattern kernel density estimation)文章的對比實驗也很全，用三種方法在九段視頻上進行了實驗。